共查询到19条相似文献，搜索用时 272 毫秒
1.
利用35景卫星影像,探寻桃树遥感辨识的最佳时相与方法。首先对各景影像分别进行预处理,随后利用6类探试性辨识方法(即地物反射光谱比较、波段差分或比值分析、光谱指数求算与分析、光谱指数变化追踪、影像复合与辨识方法协同分析)对探试组影像进行辨识分析,并从中选出3种较佳的辨识方法,最后利用优选的3种辨识方法对验证组影像进行辨识验证。结果表明:(1)在10月初的影像中,桃树具有较高的NDVI×ρ_(NIR)值,利用其阈值可以较高精度识别桃树(桃树分类正确率可达94.8%,总体分类精度可达91.33%);(2)在4月初(桃树盛花期)的影像中,利用NDVI、1/ρ_(GREEN)-1/ρ_(RED)与ρ_(BLUE)+ρ_(GREEN)+ρ_(RED)的三重阈值也可以较高精度识别桃树(桃树分类正确率可达85.2%,总体分类精度可达80.13%);(3)在上述两期数据融合、所用辨识方法协同的情形下,可进一步提高桃树的辨识精度(桃树分类正确率可提高到96.53%,总体分类精度可提高到93.37%);(4)桃树遥感辨识的最佳时相为10月初,较佳时相为4月初。 相似文献
2.
采用2014、2017、2018年逐月GF1-WFV影像(共43景)探寻杏树遥感图像辨识的最佳时相与方法,以期为关中乃至全国其他果区开展杏树遥感监测提供理论依据。首先对各景影像分别进行预处理;随后利用在各期影像中采集到的各种果树样地的ROI(感兴趣区)数据,对6类辨识方法(即同期影像地物反射光谱比较、同期影像波段差值或比值分析、同期影像光谱指数求算与分析、同套邻期光谱指数变化追踪、影像复合与多指数联用分析)的辨识效能分别予以探试,以寻求最佳的辨识时相与方法;最后对探试结果用于全域影像中的辨识效能加以验证。结果显示:盛花期杏树相对其他果树树种具有较低的VI1值,用VI1阈值对该期杏树具有较佳的辨识效能;在杏树盛花期的影像中,利用NDVI(归一化植被指数)与VI1双重阈值,可明显提高总体分类精度;利用盛花期与花前影像(同序号)波段的比值也可较好地辨识杏树;联合应用NDVI、VI1、R_(b1)/R_(b1花前)、R_(b3)/R_(b3花前)4个光谱指数阈值,辨识花期杏树的精度更为理想,杏树类的正确识别率可达83.14%,总体分类精度可达80.93%;杏树盛花期是辨识杏树的最佳时相。 相似文献
3.
【目的 】探寻李树遥感辨识的最佳时相与方法,为关中地区以及其他果区的李树遥感监测提供理论与方法支撑。【方法 】文章以关中地区为研究区域,基于16种地物样地的感兴趣区数据,采用反射光谱及其差分序列对比与分析、光谱距离法、图像增强处理与分析法、图像差值与比值法、光谱指数法、光谱指数变化分析法和辨识方法优化组合7类方法,探究李树遥感识别并对辨识精度进行了验证。【结果 】（1）李树遥感辨识的最佳时相为盛花期;（2） R660/R555阈值法对盛花期的李树具有较强的辨识效能;（3）两指数（NDVI3-19与R485+R555）阈值联用法可以较高精度将盛花期的李树与同时期的梨树、冬小麦、冬油菜、撂荒地予以区分,但是该方法难以将李树与其他10种果树精确区分;（4）三指数（R660/R555、NDVI3-19与R485+R555）阈值联用法可将盛花期的李树与同时期除撂荒地以外的其他地物予以精确区分,但是该方法对李树与撂荒地的区分精度依然不够理想;（5） NDVI10-19阈值法可将10月中旬的李树与撂荒地精确区分;（6）四指数（R660/R555、NDVI10-19、R485+R555与NDVI3-1... 相似文献
4.
《江苏农业学报》2016,(5)
合理选取不同光谱指标制定决策树规则,能有效提高决策树分类法提取水稻面积的精度。本研究以江苏省淮安市为例,选取30 m空间分辨率HJ1A和16 m空间分辨率GF1多光谱影像,在对不同地物样点像元光谱特征分析的基础上,选择地物光谱特征明显的GF影像计算NDVI、EVI、DVI和RVI,并提取影像近红外波段反射率,利用上述5种光谱指标确定不同地物分类阈值来对两景影像进行决策树分类,进而获取淮安市水稻面积和分布情况。结果表明,GF影像地物光谱特征较明显,有利于识别不同地物,可用来确定基于多种光谱指标分类的阈值范围。其中,水稻判别条件为NDVI0.70,0.25DVI≤0.45,0.53EVI≤0.80,RVI5.5且0.30ρNIR≤0.46。HJ影像和GF影像提取水稻面积的样本精度分别为87.29%和93.70%,GF影像比HJ影像的水稻面积提取精度提高了6.41个百分点,说明利用多种光谱指标构建决策树分类模型是一种有效提取水稻种植面积的方法。 相似文献
5.
基于不同时相遥感的冬小麦种植面积的提取 总被引：2，自引：0，他引：2
卫星遥感技术能够快速、准确、大面积对农作物生长进行监测,多时相遥感监测可克服单时相遥感监测的不足,利于实现对农作物生长变化的动态监测。以江苏省大丰市为研究区域,选用拔节期和抽穗期两景环境(HJ)卫星遥感影像进行不同地物光谱信息识别与种植面积提取研究。首先,在分析两景HJ星影像植被光谱信息的基础上,提取出各自影像的归一化差值植被指数(NDVI)影像,并对两景NDVI影像分别进行加运算和减运算,得到另外两景NDVI合成影像。其次,通过对提取到的四景NDVI影像光谱信息进行比较分析,最终选用植被光谱信息特征较为明显的加运算合成影像进行冬小麦种植面积提取。最后,基于影像不同地物的NDVI阈值划分,并叠加GPS样点信息校正,提取到大丰市冬小麦种植面积数据及其空间分布信息。结果显示,大丰市遥感提取冬小麦种植面积为78 712.13 hm2,精度为92.51%。在该市20个乡镇(或农场)冬小麦种植面积提取精度中,精度大于95%有9个乡镇(或农场),精度在90%至95%之间的有7个乡镇(或农场),仅有4个乡镇(或农场)提取精度在80%至90%之间。说明,利用不同时相遥感合成运算方法得到的合成影像,能明显增强冬小麦光谱信息与其他植被信息特征区别,有利于实现高精度提取冬小麦种植面积的目的。 相似文献
6.
《江苏农业学报》2016,(2)
大气校正是定量遥感研究中必不可少的过程。本研究利用MODTRAN模型对一景HJ/CCD影像进行大气校正,并从典型地物光谱特征变化、校正结果与MODIS地表反射率产品比较及对归一化植被指数(NDVI)的影响3方面评价校正效果,结果显示:MODTRAN模型较好地消除了可见光波段内的增加效应和近红外波段的吸收作用;校正结果与高精度的MODIS地表反射率产品在植被、居民地、水体3类地物的反射率具有较高的一致性,其中植被类型平均误差为12.8%;MODTRAN模型较好地修正了混合像元的NDVI值,校正后各类地物的NDVI均有所提升,其中植被NDVI的增幅最大,有利于区分植被与其他地物类型。表明MODTRAN模型对HJ/CCD影像具有较好的大气校正效果。 相似文献
7.
8.
【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。 相似文献
9.
《江苏农业学报》2017,(4)
玉米种植面积的准确获取是进行玉米长势监测和产量估测的前提与基础。在对Landsat-8/OLI影像进行辐射定标、大气校正、几何精校正和裁剪等预处理的基础上,基于典型地物光谱空间差异与物候特征的异同,选取具有代表性的4种植被指数[归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、绿度植被指数(GVI)]和近红外波段反射率,通过构建植被光谱特征指标阈值对不同地物进行识别和分类,最后获取玉米种植面积。结果表明,利用近红外波段反射率可以将农作物与其他地物区分开来,即当其反射率值大于0.37时,地物为农作物。对不同种类农作物识别时,选择NDVI0.86、DVI0.53、RVI13.00、GVI3 713.60作为分类阈值,可以将玉米与水稻和大豆区分,准确提取到玉米的种植面积。利用样本数据和当地农业部门提供的数据进行面积提取精度验证,总体精度为92.75%,说明基于多光谱特征指标建立分类阈值的方法可以准确提取玉米种植面积,该方法可以为江淮玉米种植区县域玉米种植面积的提取提供参考。 相似文献
10.
以TM影像为遥感数据信息源,使用FieldSpec3 Hi-Res便携式地物波谱仪采集研究区内典型地物的光谱数据,IDL程序设计语言为开发工具,编程实现了遥感影像的统计特征计算。将遥感影像按照地物类别进行分区,从遥感影像的统计特征入手,结合典型地物的光谱特征分析和遥感数据定量分析的方法,在上海崇明东滩展开了波普特性和波段组合的试验研究。经过分析及反复试验将TM3赋予红色波段、TM5赋予绿色波段、TM4赋予蓝色波段,不同植被类型可由绿色色调加以区分,对于潮滩植被调查效果较好。 相似文献
11.
为提取果树的空间分布信息,以果树生长期内不同月份的Sentinel-2多光谱遥感影像为数据源,以大沙河流域果树为研究对象,通过分析不同月份的光谱信息得出最佳监测时期,并在此基础上,选择不同时期的5种植被指数[归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)、结构密集型色素指数(SIPI)和归一化水指数(NDWI)],结合机器学习技术构建决策树提取模型。结果发现,3、4、7、8月份的影像适于果树面积提取。通过Feature_importances_属性筛选出贡献度高的不同时期的植被指数作为输入特征,结合超参数学习曲线和网格搜索技术确定决策树模型的Max_depth和Min_samples_leaf参数分别为5和10时模型的效果最佳。参数调整后绘制决策树模型,模型在训练集和测试集上的精度分别达到了0.919 4和0.875 1。提取结果表明,研究区内的果树主要种植在大沙河两岸,东部与西北部的果树种植地块较为零碎,总的果树种植面积为6 838 hm2。在验证样本的基础上,通过混淆矩阵计算提取结果的精度,结果显示,Kappa系数为0.87,果树种植区提取的用户精度和制图精度分别为92.91%和90.77%。结果说明,本文所提出的方法适用于大区域果树的遥感提取,可为基于中高分辨率遥感影像的果树种植区监测提供有效的技术手段。 相似文献
12.
一年一季农作物遥感分类的时效性分析 总被引：4，自引：1，他引：3
【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。 相似文献
13.
为给香胶树幼林的抚育管理提供科学依据及可行的技术。在引进香胶树林地内选择10株具代表性的幼树作为样株进行调查研究。茎的速生期为6、7月,9月份后生长缓慢;主梢有3个较明显的速生期;4月中旬至5月中旬,5月中旬至6月上旬,6月下旬至7月上旬,其中第二个生长期为12 d左右,占全年高生长期的68.1%;侧枝的生长,仅出现2个较明显的速生期:4月中旬至6月中旬阶段,净生长量为全年侧枝净生长量的80.6%,旬平均净生长量达16 cm,第二个速生期从6月下旬开始至7月上旬结束;地径和胸径均在5月初至5月下旬增长最为迅速,6月下旬至7月中旬开始新一轮速生期。初步掌握了香胶树幼林生物学特性及主梢、侧枝的年生长规律,为及时搞好前期的栽培管理工作,促进香胶树生长提供了依据。 相似文献
14.
目的 通过无人机获取沙糖橘果园的遥感图像，快速提取果树分布位置，为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象，计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数，使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上，结合数字表面模型作为识别模型的输入变量，进行对比试验。结果 相比使用单一光谱指数，结合数字表面模型提高了果树和非果树像元的提取精度，6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高，为98.77%，Kappa系数为0.956 7，植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量，为影像中色调相似地物的提取提供参考。 相似文献
15.
16.
以垂枝型、柱型、标准型3种株型桃树为试材,采用大田挖掘法,研究了不同时期3种株型桃树枝条和根系生长状况,明确植株地上部性状与根系性状间的相关关系,结果表明,5月3种株型地上部生长基本一致,在6月中旬垂枝型的一次枝条发生下垂,垂枝型枝条延伸角达到92.5°,而标准型与柱型的主枝延伸角分别为63.0°、51.0°,此时3种株型枝条出现显著差异;5月到9月3种株型桃树品种生长期内根系活力变化趋势相同,均呈上升趋势,但根系数量上3种株型标准型〉柱型〉垂枝型,其根系特性变化与地上部枝条的变化均表现出相同的趋势,地上部长势的不同影响根系的生长状况。 相似文献
17.
通过典型抽样建立了甘肃省小陇山党川林场的40块典型样地,利用GPS测量、后差分平差处理获取了每块样地的坐标,调查了每块样地的树种.对这一区域的TM影像进行几何校正,读取了每块样地对应的影像灰度值并计算了其派生数据.该研究通过实验区13个树种的TM影像灰度值及其派生数据分析,发现油松、华山松、落叶松、云冷杉、栎类、桦类、杂木的波段灰度及植被指数的差异;探讨了遥感影像基于光谱分类对树种的可分性、树种分类应选择的波段和指数. 相似文献
18.
基于HJ卫星遥感数据的林果光谱特征分析 总被引：5，自引：0，他引：5
[目的]利用卫星遥感数据分析林果与其他地物的差异,并对林果中的苹果、香梨、核桃、红枣四种果树之间的差异性进行试验性研究,为林果区提取和果树树种识别提供理论依据.[方法]以新疆阿克苏市为研究区,以HJ卫星数据为数据源,结合当地实地调查资料,采用光谱分析法、归一化差值植被指数(NDVI)时序数据变化分析方法以及微分变换(d1[ log( 1/Rλ)])方法,对林果与其他地物的差异性和果树之间的差异性进行分析.[结果](1)林果与其他地物在5月时相上的差异显著;(2)4和11月两个时相上的微分变换数据显示,红枣和核桃与其他两种果树差异明显,苹果和香梨相近.[结论](1)利用HJ星遥感数据能对林果区进行准确提取:(2)利用HJ - CCD数据可以识别红枣和核桃,苹果和香梨的识别较难,有待进一步研究. 相似文献
19.